Classificação de proteínas expostas na superficie com Random Forest
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/36327 |
Resumo: | One of the leading causes of disease and death worldwide is bacterial infections. For example, we can mention tuberculosis, caused by the bacterium Mycobacterium tuberculosis, which still kills one and a half million people worldwide yearly, according to recent data from the World Health Organization. Vaccination is the best strategy to combat these infections. However, developing vaccines for pathogens have obstacles, such as identifying target proteins. For Mycobacterium tuberculosis alone, there are more than 4,000 proteins that are candidates for targets for building a vaccine. An alternative is the use of genomic information in the search for proteins that are good candidates. This work aimed to test popular Machine Learning algorithms, implemented in WEKA software, to classify surface exposed proteins, using the hydrophobic pattern in the amino acid sequence of 40 genomes causing severe human diseases. The random forests had a 72.83% accuracy, performing as well as the Support Vector Machine and Multilayer Perceptron algorithms, reaching of 70 and 65% accuracy, respectively. The results show the satisfactory performance of the algorithms used to classify proteins exposed on the surface, especially considering the difficulty in identifying them. |
id |
UFU_54e81dbc5def921d193e1bf3ec86dcce |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/36327 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Classificação de proteínas expostas na superficie com Random ForestAprendizado de máquinaRandom ForestProteínas bacterianas expostasPSEWEKAVacinasCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOOne of the leading causes of disease and death worldwide is bacterial infections. For example, we can mention tuberculosis, caused by the bacterium Mycobacterium tuberculosis, which still kills one and a half million people worldwide yearly, according to recent data from the World Health Organization. Vaccination is the best strategy to combat these infections. However, developing vaccines for pathogens have obstacles, such as identifying target proteins. For Mycobacterium tuberculosis alone, there are more than 4,000 proteins that are candidates for targets for building a vaccine. An alternative is the use of genomic information in the search for proteins that are good candidates. This work aimed to test popular Machine Learning algorithms, implemented in WEKA software, to classify surface exposed proteins, using the hydrophobic pattern in the amino acid sequence of 40 genomes causing severe human diseases. The random forests had a 72.83% accuracy, performing as well as the Support Vector Machine and Multilayer Perceptron algorithms, reaching of 70 and 65% accuracy, respectively. The results show the satisfactory performance of the algorithms used to classify proteins exposed on the surface, especially considering the difficulty in identifying them.UFU - Universidade Federal de UberlândiaTrabalho de Conclusão de Curso (Graduação)Uma das principais causas de doenças e mortes no mundo são infecções bacterianas. A título de exemplo, podemos citar a tuberculose, causada pela bactéria Mycobacterium tuberculosis, que ainda mata um milhão e meio de pessoas no mundo, por ano, de acordo com dados recentes da Organização Mundial da Saúde. A vacinação é a melhor estratégia no combate à estas infecções. Entretanto, o desenvolvimento de vacinas para patógenos tem obstáculos, como por exemplo, identificar as proteínas alvo. Somente para Mycobacterium tuberculosis há mais de quatro mil proteínas candidatas a alvos para construção de uma vacina. Uma alternativa é o uso de informações genômicas na busca de proteínas que são boas candidatas. O objetivo deste estudo é testar algoritmos populares em Aprendizado de Máquina , implementados no software WEKA, para classificar proteínas expostas na superfície, a partir do padrão hidrofóbico presente na sequência de aminoácidos de 40 genomas, causadores de doenças graves em humanos. As florestas aleatórias tiveram 72,83% de acurácia, tendo tão bons resultados quanto os algoritmos Support Vector Machine e Multilayer Perceptron que alcançaram 70 e 65% de acurácia, respectivamente. Os resultados mostram o bom desempenho dos algoritmos usados para classificar as proteínas expostas na superfície, principalmente considerando a dificuldade em identificá-las.Universidade Federal de UberlândiaBrasilCiência da ComputaçãoSantos, Anderson Rodrigues doshttp://lattes.cnpq.br/3752226356973936Soares, Alexsandro Santoshttp://lattes.cnpq.br/8559724221713699Gabriel, Paulo Henrique Ribeirohttp://lattes.cnpq.br/3181954061121790Moreira, Amanda Silva2022-10-25T14:29:12Z2022-10-25T14:29:12Z2022-08-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfMOREIRA, Amanda Silva. Classificação de proteínas expostas na superfície com Random Forest. 2022. 53 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, Uberlândia, 2022.https://repositorio.ufu.br/handle/123456789/36327porhttp://creativecommons.org/licenses/by/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2022-10-26T06:23:19Zoai:repositorio.ufu.br:123456789/36327Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-10-26T06:23:19Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Classificação de proteínas expostas na superficie com Random Forest |
title |
Classificação de proteínas expostas na superficie com Random Forest |
spellingShingle |
Classificação de proteínas expostas na superficie com Random Forest Moreira, Amanda Silva Aprendizado de máquina Random Forest Proteínas bacterianas expostas PSE WEKA Vacinas CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Classificação de proteínas expostas na superficie com Random Forest |
title_full |
Classificação de proteínas expostas na superficie com Random Forest |
title_fullStr |
Classificação de proteínas expostas na superficie com Random Forest |
title_full_unstemmed |
Classificação de proteínas expostas na superficie com Random Forest |
title_sort |
Classificação de proteínas expostas na superficie com Random Forest |
author |
Moreira, Amanda Silva |
author_facet |
Moreira, Amanda Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Santos, Anderson Rodrigues dos http://lattes.cnpq.br/3752226356973936 Soares, Alexsandro Santos http://lattes.cnpq.br/8559724221713699 Gabriel, Paulo Henrique Ribeiro http://lattes.cnpq.br/3181954061121790 |
dc.contributor.author.fl_str_mv |
Moreira, Amanda Silva |
dc.subject.por.fl_str_mv |
Aprendizado de máquina Random Forest Proteínas bacterianas expostas PSE WEKA Vacinas CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
topic |
Aprendizado de máquina Random Forest Proteínas bacterianas expostas PSE WEKA Vacinas CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
One of the leading causes of disease and death worldwide is bacterial infections. For example, we can mention tuberculosis, caused by the bacterium Mycobacterium tuberculosis, which still kills one and a half million people worldwide yearly, according to recent data from the World Health Organization. Vaccination is the best strategy to combat these infections. However, developing vaccines for pathogens have obstacles, such as identifying target proteins. For Mycobacterium tuberculosis alone, there are more than 4,000 proteins that are candidates for targets for building a vaccine. An alternative is the use of genomic information in the search for proteins that are good candidates. This work aimed to test popular Machine Learning algorithms, implemented in WEKA software, to classify surface exposed proteins, using the hydrophobic pattern in the amino acid sequence of 40 genomes causing severe human diseases. The random forests had a 72.83% accuracy, performing as well as the Support Vector Machine and Multilayer Perceptron algorithms, reaching of 70 and 65% accuracy, respectively. The results show the satisfactory performance of the algorithms used to classify proteins exposed on the surface, especially considering the difficulty in identifying them. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-10-25T14:29:12Z 2022-10-25T14:29:12Z 2022-08-19 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
MOREIRA, Amanda Silva. Classificação de proteínas expostas na superfície com Random Forest. 2022. 53 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, Uberlândia, 2022. https://repositorio.ufu.br/handle/123456789/36327 |
identifier_str_mv |
MOREIRA, Amanda Silva. Classificação de proteínas expostas na superfície com Random Forest. 2022. 53 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, Uberlândia, 2022. |
url |
https://repositorio.ufu.br/handle/123456789/36327 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Ciência da Computação |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Ciência da Computação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1813711485020405760 |